增加新变量：1)使用dataframe$variable<- xxxx来增加变量 2）transform（）函数，按需创建新变量病将其保存到数据框中。
变量重编吗：variable[condition] <- expression，将仅在condition为TRUE的情况下执行赋值
within（）函数可修改数据框
变量重命名：
1） 交互式：fix(dataframe)，然后在对话框中修改命名
2） 编程式：names(dataframe)[column_number] <- column_name
NA: not available，缺失值
Inf：正无穷大
-Inf：负无穷大
NaN：not a number，不可能的值
na.rm=TRUE，在计算前移除缺失值并使用剩余值进行计算，如sum(x, na.rm=TRUE)
na.omit()，将所有含缺失值的观测整行移除。
Sys.Date()：返回当天日期
date()：返回当前日期和时间
is.datatype()：返回TRUE或FALSE，作为类型判断
as.datatype()：作为类型转换
数据排序：order（）按升序排序，在字段前加-则按降序排序。
数据集合并：
1） 横向合并，增加列：merge（dataframe, dataframe, by= “variable”）；直接横向合并无需公共索引则使用cbind（）
2） 纵向合并，增加行：rbind(dataframe, dataframe)
剔除变量：
1） names(dataframe) %in% vector返回一个逻辑向量myvars，然后使用逻辑向量挑选列dataframe[!myvars]
2） 在知道所需删除列对应变量编号时，可使用dataframe[c(-num, -num)]，通过在编号num前加负号来删除对应行
3） 使用dataframe$column_name <- NULL将对应列设置为未定义
选入观测：
subset(dataframe, condition, select=c(……))，condition表示选择条件，select表示保留的列，其后可以跟用c构造的向量，也可使a:b选定从a列到b列，ab可以为数字，也可以为对应列名。
随机抽样：leadership[sample(1:nrow(leadership),3,replace=FALSE)]，第一个参数sample（）选择被抽样的元素组成的向量，3代表抽样的样本数，replace代表是否为有放回的抽样。
使用SQL操作数据：引入sqldf包，使用SQL语句操作数据框。